本文關(guān)鍵詞： 近紅外高光譜成像 干制紅棗 鑒別 紋理特征 特征融合　出處：《光譜學與光譜分析》2017年03期 　論文類型：期刊論文

【摘要】：為實現(xiàn)干制紅棗的快速鑒別,提出了一種基于近紅外高光譜成像技術(shù)的鑒別方法。采集四個品種共240個樣本干制紅棗的近紅外高光譜圖像(1 000~1 600 nm)。通過主成分分析法(principal component analysis,PCA)、載荷系數(shù)法(x-Loading Weights,x-LW)和連續(xù)投影算法(successive projections algorithm,SPA)分別提取7個、8個和10個特征波長;基于灰度共生矩陣(gray level co-occurrence matrix,GLCM)提取第一主成分圖像的紋理特征。分別以光譜特征、紋理特征、光譜和紋理融合特征作為輸入,建立偏最小二乘判別分析(partial least squares-discriminant analysis,PLS-DA)、反向傳播神經(jīng)網(wǎng)絡(back-propagation neural network,BPNN)和最小二乘支持向量機(least squares support vector machines,LS-SVM)模型。結(jié)果顯示,基于融合特征的模型鑒別率高于分別基于光譜特征或紋理特征的模型鑒別率;基于融合特征的BPNN模型的結(jié)果最優(yōu),對預測集樣本鑒別正確率為100%。說明近紅外高光譜成像技術(shù)可用于干制紅棗品種的快速鑒別。
[Abstract]:In order to realize the rapid identification of dried jujube, A method of identification based on near infrared hyperspectral imaging (NIR) was proposed. Four varieties of dried jujube were collected from 240 samples of red jujube. The method of principal component analysis (PCA) and loading coefficient method (PCAA) and the method of loading coefficient were used to collect 1 000 ~ 1 000 NIR hyperspectral images of Chinese jujube (Zizyphus jujuba L.) by principal component analysis (PCA). Successive projections algorithm (spa) extracts 7, 8 and 10 characteristic wavelengths, respectively. The texture feature of the first principal component image is extracted based on gray level co-occurrence matrix GLCM. The spectral feature, texture feature, spectral feature and texture fusion feature are used as input, respectively. The partial least squares-discriminant analysis (PLS-DAN), back-propagation neural network (BPNN) and least squares support vector machine least squares support vector machine (LS-SVM) models are established. The discriminant rate of model based on fusion feature is higher than that based on spectral feature or texture feature, and the result of BPNN model based on fusion feature is optimal. The accuracy rate of sample identification for prediction set is 100. It is suggested that near infrared hyperspectral imaging can be used to identify dried jujube varieties quickly.
【作者單位】： 浙江大學生物系統(tǒng)工程與食品科學學院;
【基金】：國家科技支撐計劃項目(2014BAD04B04)資助
【分類號】：TS255.4;TP391.41

【參考文獻】

相關(guān)期刊論文 前1條

1 程術(shù)希;孔汶汶;張初;劉飛;何勇;;高光譜與機器學習相結(jié)合的大白菜種子品種鑒別研究[J];光譜學與光譜分析;2014年09期

【共引文獻】

相關(guān)期刊論文 前3條

1 樊陽陽;裘正軍;陳儉;吳翔;何勇;;基于近紅外高光譜成像技術(shù)的干制紅棗品種鑒別[J];光譜學與光譜分析;2017年03期

2 魏利峰;紀建偉;;高光譜圖像技術(shù)檢測玉米種子真?zhèn)蔚难芯窟M展[J];湖北農(nóng)業(yè)科學;2016年21期

3 周密;柯劍;李寶麗;唐翠娥;譚軍;劉睿;王紅;李濤;周勝銀;;傅里葉變換紅外光譜結(jié)合化學計量學鑒別預包裝純菠蘿汁中外源糖[J];光譜學與光譜分析;2015年10期

【二級參考文獻】

相關(guān)期刊論文 前7條

1 譚亮魁;楊琴;王文凱;;基于光致發(fā)光光譜的水稻品種快速鑒別研究[J];中國農(nóng)學通報;2012年33期

2 李巧云;張志剛;劉栓桃;盧金東;趙智中;;大白菜蕪菁花葉病毒病抗性遺傳分析[J];華北農(nóng)學報;2012年04期

3 朱超平;;基于人臉識別的門禁系統(tǒng)設計與實現(xiàn)[J];重慶工商大學學報(自然科學版);2011年04期

4 方匡南;吳見彬;朱建平;謝邦昌;;隨機森林方法研究綜述[J];統(tǒng)計與信息論壇;2011年03期

5 鄭立華;李民贊;安曉飛;孫紅;;基于近紅外光譜和支持向量機的土壤參數(shù)預測[J];農(nóng)業(yè)工程學報;2010年S2期

6 李麗;鄭曉鷹;;用于白菜和大白菜品種鑒定的EST-SSR復合標記的建立[J];園藝學報;2009年11期

7 武曉巖;李康;;隨機森林方法在基因表達數(shù)據(jù)分析中的應用及研究進展[J];中國衛(wèi)生統(tǒng)計;2009年04期

【相似文獻】

相關(guān)期刊論文 前10條

1 張令標;何建國;王松磊;劉貴珊;賀曉光;羅瑞明;;高光譜成像技術(shù)在肉品無損檢測中的應用及進展[J];河南工業(yè)大學學報(自然科學版);2014年01期

2 王斌;薛建新;張淑娟;;基于高光譜成像技術(shù)的腐爛、病害梨棗檢測[J];農(nóng)業(yè)機械學報;2013年S1期

3 馬本學;應義斌;饒秀勤;桂江生;;高光譜成像在水果內(nèi)部品質(zhì)無損檢測中的研究進展[J];光譜學與光譜分析;2009年06期

4 曲佳歡;馬驥;孫大文;吳迪;曾新安;;高光譜成像在食品質(zhì)量評估方面的研究進展與應用(一)[J];肉類研究;2012年04期

5 蔡健榮;韓智義;;碧螺春茶葉的真?zhèn)舞b別技術(shù)——基于漫反射式高光譜成像技術(shù)[J];農(nóng)機化研究;2013年04期

6 劉洪英;李慶利;劉錦高;薛永祺;;基于便攜式高光譜成像的BOD實時檢測研究[J];影像科學與光化學;2011年01期

7 張筱蕾;劉飛;聶鵬程;何勇;鮑一丹;;高光譜成像技術(shù)的油菜葉片氮含量及分布快速檢測[J];光譜學與光譜分析;2014年09期

8 劉燕德;張光偉;;高光譜成像技術(shù)在農(nóng)產(chǎn)品檢測中的應用[J];食品與機械;2012年05期

9 張令標;何建國;劉貴珊;王松磊;賀曉光;王偉;;基于可見/近紅外高光譜成像技術(shù)的番茄表面農(nóng)藥殘留無損檢測[J];食品與機械;2014年01期

10 吳迪;寧紀鋒;劉旭;梁曼;楊蜀秦;張振文;;基于高光譜成像技術(shù)和連續(xù)投影算法檢測葡萄果皮花色苷含量[J];食品科學;2014年08期

相關(guān)會議論文 前7條

1 盧云龍;劉志剛;;高光譜成像技術(shù)及其在目標檢測中的應用進展[A];國家安全地球物理叢書（九）——防災減災與國家安全[C];2013年

2 馬本學;應義斌;饒秀勤;;高光譜成像在水果表面缺陷及污染檢測中的研究進展[A];2007年中國農(nóng)業(yè)工程學會學術(shù)年會論文摘要集[C];2007年

3 何寶琨;;使用曲面棱鏡的高光譜成像系統(tǒng)設計[A];中國空間科學學會空間探測專業(yè)委員會第二十六屆全國空間探測學術(shù)研討會會議論文集[C];2013年

4 孫向軍;劉凱龍;趙志勇;李雪濤;;高光譜成像及仿真技術(shù)途徑探索[A];2009系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2009年

5 顏昌翔;;星載高光譜成像及數(shù)據(jù)應用[A];第十屆全國光電技術(shù)學術(shù)交流會論文集[C];2012年

6 肖功海;舒嶸;薛永祺;;顯微成像光譜技術(shù)及其應用[A];成像光譜技術(shù)與應用研討會論文集[C];2004年

7 賴建軍;陳四海;陳坦;易新建;;基于MEMS微鏡陣列的高光譜成像技術(shù)研究[A];中國宇航學會深空探測技術(shù)專業(yè)委員會第三屆學術(shù)會議論文集[C];2006年

相關(guān)博士學位論文 前10條

1 葛明鋒;基于輕小型無人機的高光譜成像系統(tǒng)研究[D];中國科學院研究生院(上海技術(shù)物理研究所);2015年

2 何青;多類型高光譜成像集成系統(tǒng)的研制及其應用研究[D];暨南大學;2015年

3 黃鋒華;基于高光譜成像技術(shù)的油桃品質(zhì)檢測及品種判別研究[D];山西農(nóng)業(yè)大學;2016年

4 王彩玲;干涉高光譜成像中的信息提取技術(shù)[D];中國科學院研究生院(西安光學精密機械研究所);2011年

5 朱逢樂;基于光譜和高光譜成像技術(shù)的海水魚品質(zhì)快速無損檢測[D];浙江大學;2014年

6 馬m，

本文編號：1516217